codex的computer use 识别和理解能力让我大吃一惊

现在开发完，每次自测跑测试用例都是特别痛苦的事情。尤其是现在测试的测试用例基本上也都是ai生成的，随随便便一个功能，动不动就大几百条测试用例，自测的时候还是靠人堆一个个点实在是折磨。 我把测试用例丢给codex，发现他用computeruse跑用例识别成功率比我想象中的还高。 想琢磨琢磨能不能把交互层面的用例让ai来跑了。佬们有没有实践经验可以分享一下的